「基因组组装」三代组装多少深度比较合适

文章

一句话总结，组装深度建议高于30X，N50建议高于11Kb，否则会出现严重的片段化。

最初参加三代组装培训的时候，课程老师建议Canu使用所有数据进行组装会比较好。因为我组装基因组比较小，计算成本低，所以大部分的时候我都是用100X左右的数据进行纠错加组装。但是最近组装的时候，却发现如果我使用所有数据，最后结果会有更多的错误组装。这种错误可以用一个成语进行概括，“三人成虎”，也就是原本不应该连接的两个contig，如果有一个错误的read提示这两个contig有可能连接，或许我们还不相信，但是如果出现了4条（但是原来的阈值还是2），那么你就会认为这两个地方应该连在一起。

最近区树俊博士发表在Nature Communication上文章从PacBio测序的深度和长度出发，测试了Canu、Falcon等软件的组装表现。

统计表

我比较关注是不同深度下的组装大小，从附录的表2里，我们不难发现，深度的增加会提高contig的总长度，例如Falcon从35X提高到44X之后，基因组增加了0.02G，也就是20M。

不同组装参数

这篇文章只是测试了PacBio数据的表现，计算力比较够的朋友还可以测评下Nanopore数据。

之前在写组装软件的使用教程时，也想过测试不同软件在不同物种上的表现，根据重复序列、基因组大小挑选不同物种，然后测试不同软件的几个不同参数的表现。只不过我只有一台服务器，算力不够，就暂时放弃了。